Phương Pháp Và Kết Quả Nghiên Cứu Định Lượng

Mô hình nghiên cứu Y= 𝛼 + 𝛽𝑖 𝑋𝑖 + 𝜀 Với:

𝛼: Hệ số chặn.

Y: Biến kết luận về khả năng quản trị hoạt động tín dụng .

𝑋𝑖 : Biến độc lập rút ra từ các câu hỏi khảo sát các nhân tố tác động đến hiệu quả quản trị hoạt động tín dụng tại Hệ thống NHTM Lào.

𝜀: 𝑃ℎầ𝑛 𝑑ư 𝑐ủ𝑎 𝑚ô ℎì𝑛ℎ

3.2. Phương pháp và kết quả nghiên cứu định lượng

3.2.1. Mô hình nghiên cứu các yếu tố tác động đến tăng trưởng tín dụng

Luận án sử dụng các phương pháp Three-Stage Least Squares (3SLS) để đánh giá các yếu tố tác động đến tăng trưởng tín dụng các NHTM ở Lào, cũng là một trong những nội dung hết sức quan trogn5 trong quản trị hoạt động tín dụng.

3.2.2. Cơ sở lý thuyết phương pháp Three-Stage Least Squares (3SLS)

Phương Pháp hồi quy 3 bước 3SLS là phương pháp ước lượng hệ phương trình đồng thời cải tiến dựa trên phương pháp bình phương nhỏ nhất OLS để khắc phục hiện tượng nội sinh.

Xét hệ phương trình đồng thời dạng tộng quát: Y = β1 + β2X + β3Z1 + β4Z2 +…+ βn Zn-2 + u

X = α1 + α2Y + α3 T1 + α4T2 + … + αmTm-2 +v

Trong đó Y, X là các biến nội sinh, Z1…Zn-2 và T1…Tm-2 là các biến công cụ

Bước 1 : Hồi quy các biến công cụ (Z1…Zn-2 và T1…Tm-2) để tính ra giá trị ước lượng của biến nội sinh 𝑌̂, 𝑋̂.

Bước 2 : Ước lượng từng phương trình trong hệ bằng OLS với các biến nội sinh ước lượng và biến công cụ ngoại sinh

Phương trình (1) : hồi quy Y theo 𝑋̂ và Z1…Zn-2

Phương trình (2) : hồi quy X theo 𝑌̂và T1…Tm-2 Y = β1+ β2𝑋̂+ β3Z1+ β4Z2+…+ βnZn-2 + u

X = α1+ α2𝑌̂+ α3T1+ α4T2+ … + αmTm-2 +v

Bước 3 : Nếu phần dư của các phương trình trong bước 2 có tương quan với nhau : cov ( u, v) ≠ 0 thì dùng GLS để ước lượng thay cho OLS ở bước 2 :

Đặt U =[𝑢] , varcov (U) = Ω

𝑣

1 𝑋1 0

X=[

1 0 𝑋2

], với X1 là các biến độc lập của phương trình (1), X2 là các

biến nội sinh của phương trình (2).

β̂GLS =[

β], β là hệ số của phương trình (1), α là hệ số phương trình (2).

α

H= [𝑌]

𝑋

β̂GLS= (X’ Ω-1X)-1.(X’ Ω-1H).

3.2.2.1. Dữ liệu nghiên cứu

Luận án thu thập dữ liệu các dữ liệu vĩ mô theo chuỗi thời gian trong khoảng thời gian từ năm 2009 đến năm 2012 để phân tích các yếu tố tác động đến tăng trưởng tín dụng. Nguồn dữ liệu tác giả sử dụng bao gồm: Quỹ tiến tệ quốc tế IMF, Ngân hàng Thế giới WB và báo cáo tài chính của các NHTM tại Lào.

3.2.3. Mô hình nghiên cứu các yếu tố tác động đến tăng trưởng tín dụng



Dựa trên bài nghiên cứu của Natalia T. Tamirisa và Deniz O. Igan (2007) về tăng trưởng của hệ thống ngân hàng châu Âu, luận án sử dụng mô hình sau để đánh giá sự tác động của các yếu tố đến tăng trưởng tín dụng NHTM Lào. Vì hạn chế về số liệu nên tác giả chỉ sử dụng những biến quan trọng trong mô hình.

BankCreditGrowthit f (BankCreditGrowthi,t1 , GDPgrowthi,t1 ,DistanceToDefaulti,t1 ,CostToIncomei,t1,InterestMargini,t1 , ,Sizei,t1 ,);

DistanceToDefaultit f (BankCreditGrowthi,t1 , GDPgrowthi,t1 ,DistanceToDefaulti,t1 ,CostToIncomei ,t1,InterestMargini ,t1 , ,Sizei ,t1 ,);

Trong đó

Bảng 3.1: Thống kê các biến trong mô hình

Ký hiệu

Biến	Công thức	Ý nghĩa
Creg	BankCreditGrowth	Tăng trưởng tín dụng
GDPg	GDPgrowth	Tăng trưởng GDP hàng năm	Đại diện tốc độ tăng trưởng nền kinh tế
Dtd	DistanceToDefault	𝐿ợ𝑖 𝑛ℎ𝑢ậ𝑛 (𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 + 𝑉ố𝑛 𝑐ℎủ 𝑠ở ℎữ𝑢)/2	Đại diện cho hiệu quả sử dụng vốn.
Cti	CostToIncome	𝑇ổ𝑛𝑔 𝑐ℎ𝑖 𝑝ℎí ℎ𝑜ạ𝑡 độ𝑛𝑔 𝑇ổ𝑛𝑔 𝑡ℎ𝑢 𝑛ℎậ𝑝	Đại diện cho chi phí sử dụng vốn
Im	InterestMargin	Thu nhập từ lãi vay
Size	Size	Logarit của tổng tài sản	Quy mô của Ngân hàng.

Có thể bạn quan tâm!

• Kinh Nghiệm Quản Trị Hoạt Động Tín Dụng Tại Hàn Quốc
• Phương Pháp Và Kết Quả Nghiên Cứu Định Tính
• Phương Pháp Nghiên Cứu Ordered Choice Model Và Ordered Probit Regression Trong Đánh Giá Sự Hài Lòng Của Khách Hàng
• Thực Trạng Quản Trị Hoạt Động Tín Dụng Tại Nhtm Lào
• Biến Động Lãi Suất Huy Động Giai Đoạn 2008 - 2013
• Doanh Số Cho Vay Theo Loại Hình Sở Hữu

Xem toàn bộ 224 trang tài liệu này.

3.2.4. Mô hình nghiên cứu các yếu tố tác động đến tỷ lệ nợ xấu

3.2.4.1. Cơ sở lý thuyết phương pháp Method of Moments(GMM) trên dữ liệu bảng (panel data

Trong kinh tế, phương pháp hồi quy “moment” tổng quát GMM được sử dụng rộng rãi để ước lượng các tham số trong các mô hình thống kê. Thông thường trong mô hình GMM, các tham số là các ma trận hữu hạn chiều và không có một phân phối xác suất nhất định.

Phương pháp này đòi hỏi một số các điều kiện “moment” nhất định. Những điều kiện “moment” là các hàm của các tham số trong mô hình và các dữ liệu, như vậy kỳ vọng của chúng bằng không tại các giá trị thực của các tham số. Các phương pháp GMM sau đó giảm thiểu một mức nhất định của trung bình mẫu của điều kiện thời điểm.

Ngay cả trong điều kiện giả thiết nội sinh bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả bằng cách sử dụng các rang buộc của hàm “moment”.

Phương pháp GMM thường được sử dụng khi mô hình vừa có hiện tượng phương sai thay đổi, tự tương quan ( ước lượng không hiệu quả ) và vừa có hiện tượng nội sinh ( ước lượng không vững ).

Xét phương trình hồi quy tổng quát có dạng: Xi Y = β1 + β 2Xi + Ui

Trong phương pháp OLS ta sẽ tìm 𝛽̂1, 𝛽̂2để ∑Uinhỏ nhất

Khi xảy ra hiện tượng nội sinh và tìm được biến công cụ là Z :

 Cov(Xi, Ui) ≠ 0

 Cov(Xi, Zi) ≠ 0

 Cov(Zi, Ui) = 0

Khi đó ta dùng : { 𝐸(Ui) = 0

Cov(Zi, Ui) = 0

𝐸(Yi − β1 − β2Xi) = 0

=>{

𝐸(Zi(Yi − β1 − β2Xi)) = 0

Xét trên mẫu :

Đặt:

𝛽̂1

𝛽̂=[𝛽̂2]

…

∑(Yi − 𝛽̂1 − 𝛽̂2Xi) = 0

{

∑𝑍𝑖(Yi − 𝛽̂1 − 𝛽̂2Xi) = 0

mi(𝛽̂)= 𝑍𝑖(Yi − 𝛽̂1 − 𝛽̂2Xi) : Hàm moment.

Phương Pháp GMM sẽ tìm các giá trị 𝛽̂sao cho mi(𝛽̂) càng gần 0 càng tốt

=> ∑ (mi(𝛽̂))2→ min => mi(𝛽̂). mi(𝛽̂)’→ min.

𝛽̂1

Phương pháp GMM sẽ đưa ra các giá trị 𝛽̂=[𝛽̂2]để mi(𝛽̂). mi(𝛽̂)’→ min, các ước

…

lượng 𝛽̂ đều hiệu quả và vững.

3.2.4.1.1. Dữ liệu nghiên cứu

Vì hạn chế về số liệu nên luận án sử dụng dữ liệu theo thời gian từ năm 2009 đến năm 2013, để đánh giá sự tác động của các yếu tố đến tỷ lệ nợ xấu.

Nguồn dữ liệu tác giả sử dụng bao gồm: Quỹ tiến tệ quốc tế IMF, Ngân hàng Thế giới WB và báo cáo tài chính của các NHTM tại Lào.

3.2.4.1.2. Mô hình nghiên cứu

Áp dụng nghiên cứu của Dimitrios P.Louzis, Angelos T. Vouldis, Vasilios L. Metaxas (2012) và Ahlem Selma Messai (2013) luận án sử dụng mô hình như sau:

LnNPLi,t= f(LnNPLi,t-1 + GDPt + UNt + RERt + INFt + M2t + Xi,t)

Trong đó :

Bảng 3.2: Mô tả các biến trong mô hình

Tên biến

Ký hiệu	Công thức	Ý nghĩa
Tỷ lệ nợ xấu	LnNPL	NPL ∗ 100% Tổng DNTD	Là chỉ tiêu đánh giá chất lượng tín dụng của NHTM
Tăng trưởng GDP	GDP
Lạm phát	INF
Tỷ giá hối đoái thực	RER
Tỷ lệ thất nghiệp	UN
Cung tiền (M2)	M2
Tăng trưởng tín dụng	CREG	LOANt – LOANt − 1 LOANt − 1	Đo lường sự tăng lên của các khoản cho vay của NHTM
Tỷ lệ nợ xấu năm trước	lnNPLt-1
Hệ số thanh toán nợ	SOLR	Vốn chủ sở hữu SOLR = Tổng tài sản	Đo lường năng lực thanh toán nợ của NHTM
Quy mô ngân hàng	SIZE	Log(tài sản ngân hàng)	Đo lường độ lớn (hay kích thước) của NHTM
Hiệu quả kinh doanh	ROE	Lợi nhuận ròng ROE = Vốn chủ sở hữu	Đo lường khả năng sinh lợi trên mỗi đồng vốn chủ sở hữu của NHTM

3.2.5. Mô hình xác suất khả năng trả nợ của khách hàng

3.2.5.1. Cơ sở lý thuyết mô hình Logistic Mô hình xác suất tuyến tính

Giả sử có hàm đa biến sau:

Y o 1 X1 2 X 2  ...... k X k U

(*)

Trong đó : Y chỉ có hai giá trị là 0 và 1, X j

là các yếu tố ảnh hưởng tới Y. Vì

chỉ có hai giá trị ,do đó không thể phân tích j

là sự thay đổi của Y khi

X j thay đổi

một đơn vị (với điều kiện các yếu tố khác không đổi)

Nếu giả thiết về sai số (Kỳ vọng của sai số có điều kiện =0),

E(U | X1, X 2 ,....X k )  0 ,ta sẽ có :

E(Y | X ) o 1 X1 2 X 2  ...... k X k (**)

Vì Y là biến nhị phân hai giá trị 0 và 1. Do đó,xác suất để Y=1 đúng bằng E(Y|X)

Hay : P(Y  1| X ) E(Y | X ) o 1 X1 2 X 2  ...... k X k

(***)

của

Như vậy: xác suất để xảy ra sự kiện :P(X)= P(Y 1| X )

X j

sẽ là hàm số tuyến tính

tính.

Mô hình (***) gọi là mô hình phản ứng nhị phân hay mô hình xác suất tuyến

Vì là hàm xác suất và tổng xác suất bằng 1,do đó :

P(Y  0 | X ) 1P(Y 1| X ) và cũng là hàm tuyến tính của X j

P  (Y  1| X ) j X j

(****)

^

Hàm ước lượng trong trường hợp này là : Y b0 b1 X1 b2 X 2  ...... bk X k

Mô hình Logit

Mô hình Logit là mô hình hồi quy mà trong đó biến phụ thuộc là biến giả. Có rất nhiều hiện tượng ,nhiều qua trình mà khi mô tả bằng mô hình kinh tế lượng,biến phụ thuộc là biến giả (biến giả là biến rời rạc nó có thể nhận một trong hai giá trị là 0 và 1)

Trong mô hình này, các pi được xác định bằng :

Pi 

e12X 2i

1e12X 2i

eXi

1eXi

(1)

Ở mô hình trên,pi không phải là hàm tuyến tính của các biến độc lập. Phương trình (*) được gọi là hàm phân bố Logistic. Trong hàm này khi các X nhận giá trị từ tới thì pi nhận các giá trị tử 0-1. pi phi tuyến đối với cả X và .Điều này có nghĩa là ta không thể áp dụng phương pháp hồi quy nhỏ nhất (OLS) để ước lượng. Khi đó người ta sẽ dùng ước lượng hợp lý tối đa (MLS) để ước lượng .

Vì Y chỉ nhân hai giá trị là 0 và 1 . Y có phân phối nhị thức,nên hàm hợp lý

với cỡ mẫu kích thước n có dạng :

n

L pYi(1p )1Yi

n

exp(X Y )

'

i i

hay i1

i1 i i

(1

n

exp( Xi i1

))

n

Đặt u= X iYi

i1

với u là vecto hai chiều (số hệ số hồi quy). Ta cần tìm ước

lượng hợp lý tối đa của ,ta có :

n

Ln(L) 'u 

i1

Ln(1 exp( Xi )) nên Ln(L) / S() 

exp( Xi ) X u

i

1e xp( Xi )

^

Và S() 

exp( Xi ) X

i

1e xp( Xi )

u . Phương trình trên phi tuyến đối với ,

người ta dùng phương pháp Newton-Rapson đẻ giải hệ phương trình này. Và ta có được kết quả như sau

n

I () E(2Ln(L) / ' ) E(S() / ) = 

i1

exp( Xi ) '

i

X X

(1 exp( X ))2 i u

Nếu

^

là nghiệm của

^

S () ,khai triển Taylor tại ,ta có :

2 ^ 2 1

với

^ Ln(L)Ln(L)^

S ( )  (  )

Ln(L)

S() I()1 S()

(2)

' 

' 



Ta có quá trình lặp bắt đầu với gia trị ban đầu nào đó của ,chẳng hạn

0 ,ta tính

được

S (0 )

và I(0 ) ,sau đó tìm được mới bằng công thức :

I()1 S()

1 0 0 0

Quá trình lặp trên sẽ được thực hiện cho tới khi hội tụ. Do I() là dạng toàn

phương, nên quá trình trên sẽ được ước lượng hợp lý cực đại. Trong ứng với

^

,ta



cóI()1 là ma trận hiệp phương sai của ^

. Chúng ta sử dụng ma trận này để

kiểm định giả thiết và suy đoán các thống kê khác.

Sau khi ước lượng được

^

,ta có thể tính được xác suất pi=P(Y=1|Xi)

^

^  exp( Xi )

kết hợp với (2) ta có Y X .

p X

p ^

^

1 exp( Xi )

i i i i

Như vậy trong mô hình logit chúng ta không nghiên cứu ảnh hưởng trực tiếp

của biến độc lập

X i đối với Y mà nghiên cứu ảnh hưởng của

X i đến xác suất để Y

nhận giá trị bằng 1 hay kỳ vọng của Y. Ảnh hưởng của

X i được xác đinh như sau:

p 

i

^

exp( Xi )

^

i pi (1pi )i

có nghĩa là tác động biên của X lên xác

Xi

(1 exp( Xi ))

2

suất của Y nhận giá trị là 1 phụ thuộc vào giá trị của X với xác suất ban đầu là 0.5

3.2.5.2. Dữ liệu nghiên cứu

Số liệu sử dụng trong mô hình nghiên cứu được thu thập từ một cuộc điều tra bằng bảng câu hỏi vào tháng 12/2014 .đối tượng khảo sát là những hộ gia đình có vay vốn trong năm 2014 và tới 31/12/2014 vẫn còn số dư. Tác giả chọn như vậy để đảm bảo tất cả các hộ được chọn đều đã phát sinh kỳ hạn nợ phải thanh toán và như vậy mới có thể đánh giá được khả năng trả nợ của họ. Tổng số hộ được chọn để điều tra là 100 hộ ở thủ đô Vientiane.

3.2.5.3. Mô hình nghiên cứu

Để xác định các nhân tố anh hưởng tới đến khả năng trả nợ của khách hàng cá nhân tác giả đã sử dụng mô hình Logit có dàng như sau.

Y 0 1 X1 2 X 2 3 X3 4 X 4 5 X5 6 X6 u

(3)

Trong đó : Y là khả năng trả nợ của khách hàng. Y nhận giá trị 1 nếu khách hàng trả được nợ vay và nhận giá trị 0 nếu trường hợp ngược lại.

X1, X 2 , X3 , X 4 , X5 , X 6 là các biến độc lập. cơ sở lựa chọn các biến độc lập là dựa